2018年互联网医疗模式创新案例分析：IBM Watson

    IBM 在互联网医疗领域的定位：怎么样利用数据挖掘和人工智能的技术，从海量的医疗数据中间去挖掘出证据，利用这些证据给患者提供循症的个性化医疗服务。IBM分析了大数据和医疗的关系有多少三点：

• 一是计算机算的快，算得过来了；二是数据在那，有东西可算了。
• 计算机处理能力的飞跃发展：Hadoop、Spark这样的并行计算，还是像GPU、FPGA这样的硬件加速发展,计算机的处理能力有了性能上的飞跃发展。
• 类脑计算芯片：核心想法就完全突破了以前冯诺依曼通过加法器这样的一套计算框架，而是从神经元的角度做一个芯片。
• 边缘计算：一个芯片上有上百万个神经元与神经元之间的连接，synapses（神经突触）可以达到两亿五千多万个。这样一个非常复杂的芯片功耗非常低，只有70毫瓦。如此的低功耗，去运行模式识别或者deep learning这样的task，然后放在各种各样的传感器上，这就是边缘计算。

    在目前的平台上，IBM通过过去两年的收购，目前有超过2亿美国人的医疗保险数据，有超过1亿美国人的电子病历数据，有超过10亿张的医学影像片子，有美国几十个州的慢性病管理数据，把这些数据关联起来做分析，就会发现非常有价值的，任何单一数据源都无法发现的一些insight或者evidence，可以支持上面各种各样的应用。IBM Watson的多模态医疗数据的分析方法：不管是结构化病历数据、影像数据，还是文本数据、时间序列数据，不同的数据不存在单一的技术能够对所有数据都进行一个很完美的分析，所以目前针对不同类型的数据有不同的分析方法，有些适合用深度学习的方法，有些采用时间序列的方法，有一些适合用回归分析的方法，分类的方法，聚类的方法。IBM Watson对不同类型客户的解决方案：医疗是一个非常复杂的行业，医院、医生、药厂、医疗设备制造商、健康管理机构、医疗保险公司，他们的诉求是不一样的，必须要针对不同类型的客户做出不同的解决方案，可以利用底层的云平台和分析技术。在解决方案里，我们有针对像医院类型的医疗机构的解决方案，包括肿瘤的个性化治疗，Oncologyand Genomics，医院影像（medical imaging）的分析，还有针对药企做新药发现和上市药物有效性、安全性的分析，还有帮助健康管理机构，对常见的慢性病人群（高血压、糖尿病、慢性肾病）以及多种并发性慢病的患者进行管理解决方案，也有帮助医疗保险机构合理地valuedbased care,按照价值来付费，来进行疾病管理。IBM Watson的特点总结如下：

• 理解：通过自然语言理解（Natural language under-standing）技术，分析所有类型的数据，包括文本、音频、视频和图像等非结构化数据。
• 推理：通过假设生成（Hypothesis gen-eration），透过数据揭示洞察、模式和关系。将散落在各处的知识片段连接起来，进行推理、分析、对比、归纳、总结和论证，获取深入的洞察以及决策的证据。
• 学习：通过以证据为基础的学习能力（Evidence based learning），能够从大数据中快速提取关键信息，像人类一样进行学习和认知。并可以通过专家训练，在交互中通过经验学习来获取反馈，优化模型，不断进步。
• 交互：通过自然语言理解技术，获得其中的语义、情绪等信息，以自然的方式与人互动交流